本文介绍了一种使用虚构人物作为人工语言生成模型的实现方向，提出了一种名为 “Pseudo Dialog Prompting” 的新方法，通过大型语言模型结合虚构人物的话语，生成模仿虚构人物风格的回应。研究表明，该方法能够更好地提取虚构人物的风格特点。

Apr, 2022

这篇论文提出了两个任务，包括对话生成和对话说话者识别，并构建了一个新的数据集 DialStory 以进行评估，同时提出了学习显式角色表示以提高性能，并通过实验和案例研究表明，我们的方法可生成更连贯和信息量更大的对话，并实现了比强基线更高的说话者识别准确度。

Sep, 2022

本文介绍了一个机器人平台，该平台将对话型人工智能代理程序嵌入具备自然语言理解和智能决策能力的实体系统中，以整合任务规划和类人对话。该代理程序基于大型语言模型，通过学习了解广泛的一般知识。除了生成对话，此代理程序还可通过对机器人执行指令与物理世界进行交互，将沟通与行为无缝融合。此系统在自由形式的导游场景中进行了演示，在将带有和不带有对话型人工智能能力的机器人相结合的人机交互研究中进行了测试，并通过整体效果、探索能力、审核能力、拟人化接受度和适应性等五个维度进行了测量。

Oct, 2023

提出了一种基于用户人格检测的个性化对话生成器，该方法使用条件变分推理建立用户潜在人格模型并利用后验鉴别正则化提高训练效果，在实证研究中实现比现有技术更高的对用户人格关注和提升了对话品质的效果。

Apr, 2022

该研究介绍了一个新的数据集 Taskmaster-1，其中包括 13,215 个基于任务的对话，包括六个领域。数据集包含了更多现实和多样化的对话，使用了两种不同的方法进行数据收集并提供了多个基准模型，其中 API 调用和参数被标记为基于任务的对话系统的研究、开发和设计提供了新的前景。

Sep, 2019

本篇论文将 Dungeons and Dragons 视为一个对话系统的挑战问题，通过创建一个包含近 900 场游戏的游戏数据集以及使用大型语言模型生成对话来测试模型的性能，并通过人工评估和自动评估来判断其质量。

Oct, 2022

使用拥有不同人格特征的 agents, 并采用模拟戏剧网络的方法生成剧本，在多项标准上经过自动和人类评估，显示该方法优于基于 vanilla-GPT2 的基线，并引入新的度量标准来评估对话的一致性，并展示其有效性。

Jun, 2022

本文介绍了一个包含 500 万个人物角色和 7 亿个依据人物角色的对话的新数据集，研究表明，使用此数据集训练对话系统，尤其是当基于文本人物角色时，可以提高其表现，并且在 Zhang 等人（2018）的数据上进行微调可以实现最新的成果。

Sep, 2018

通过建立 Generator-Critic 架构，使用 LLM 生成会话，借助 Synthetic-Persona-Chat 评估了高质量对话数据集对 NLP 模型的影响。

Dec, 2023

本论文提出了一种有效的对话代理，同时考虑外部知识和个性，通过检索增强生成和知识个性增强查询来生成话语，实现了更少幻觉和更有吸引力的对话，在自动指标上的基于个性和知识的对话任务达到了最先进的性能，同时，通过人类评估和定性结果证明了模型对话的幻觉和吸引力，验证了检索的有效性。

Jan, 2023